1. 引言
新冠疫情爆发后,习近平总书记强调;“抗击新冠肺炎疫情,是对国家治理体系和治理能力的一次大考,要加强社会治理,妥善处理疫情防控中可能出现的各类问题。” [1]。社区是社会的基础单元,社区风险治理已成为实现治理能力现代化的重要内容。建设韧性社区,完善治理体系成为迫切而关键的任务。居民作为社区的主人,关注居民的心态和发展信心尤为重要。
韧性社区是指在风险状态下具备抗打击能力并迅速恢复,保持可持续发展的能动社区。社区在遭受灾害的时候具有“韧性”,即灾害的发生不易对社区造成破坏,灾害发生后社区易恢复或修复。已有的研究主要针对韧性概念的界定和韧性建设的描述性介绍 [2] [3] [4],对于居民在韧性建设的参与和发展信心的研究甚少。
因此,本文对后疫情时代杭州市社区的韧性建设进行调查,分析韧性社区建设对居民发展信心影响研究,思考未来社区治理该如何改善。
2. 数据概述
2.1. 数据来源
本次调查于2020年7~9月份进行,针对杭州市14岁及以上社区居民进行问卷调查,共计发放问卷530份,有效问卷为481份,有效问卷率达90.8%。
在样本选取上,采用三阶段分层抽样的方法。首先,按照各区域社区数量,将其作为指标对区分层进行抽取,并确定各区样本容量。接着,采用随机抽样对入样区域抽取社区。最后,根据等距原则在每个入样社区中,每隔5位居民选择一位作为调查对象,进行问卷发放。最终,本次调查涉及杭州市江干区、钱塘新区、上城区和滨江区4个区,在红梅社区、芙蓉社区、水湘社区等共11个社区发放问卷。
2.2. 被解释变量
本文的被解释变量是“居民发展信心”。其主要取决于以下两个因素:一是个体对当下现实状态的感知,二是个体对未来的心理预期 [5]。参考相关文献 [6],笔者通过三个问题作为衡量发展信心的标准:一是对当前生活的安全性感知,二是对社区治理能力的满意度,三是对未来韧性社区建设的预测性。
2.3. 解释变量
本文的解释变量是“韧性社区建设”。为了合理界定该变量,通过文本挖掘技术,挖掘相关文献绘制词云图,将出现的高频词汇概括、分类组合;再查阅文献 [7],进行考量和整理。本文选定五个维度来衡量韧性社区建设,包括物理、组织、技术、制度和心理。
其中,物理是指社区的应急管理设施建设情况,包括应急设备、用具、消防通道等基础设施;组织是指在突发公共事件中政府社区应急合力预防、处置、恢复等方面情况;技术是指互联网、云计算、人工智能等技术在社区应急建设中的运用情况;制度是指社区面临风险时所表现的应变、应对和适应能力;心理是指社区居民在应对突发公共事件时表现出的有效应对和适应能力,反映居民在遭受重大压力和危机迅速应对、恢复和适应的过程。
3. 数据处理
3.1. 被解释变量降维
由于并非使用一个问题衡量被解释变量,需要对被解释变量进行降维处理。三个测量指标的KMO值为0.844,大于阈值0.5,所以说明了变量之间存在相关性。巴特利特球形度检验结果显示,近似卡方为830.229,P值为0.001,小于0.05,表明相关矩阵不是单位阵,适合采用因子分析。进一步采用主成分分析方法,结果见表1和表2所示,得到一个主要因子,将其命名为“发展信心因子”。

Table 1. Common factor variance of the explained variable
表1. 被解释变量的公因子方差

Table 2. Total variance interpretation
表2. 总方差解释
3.2. 解释变量降维
本文使用主成分分析(PCA)的方法对解释变量各指标数据进行降维处理,获得481个数据结果。
4. 建模
因为调查信息其中包含了居民和社区两个层面,对于这种嵌套数据,对居民水平进行分析,同一社区内居民间可能不相互独立,在社区水平分析会丢失社区内居民个体的差异的信息,故使用多层线性模型对其进行分析。将衡量心理韧性8个指标作为第一水平(个人层面)的影响因素变量,第二水平(社区层面)的影响因素变量包括应急设施、组织管理、信息平台、制度执行等。
其中,需使用组内相关系数对模型对组间异质进行检验 [8]。当0.01 ≤ ρ < 0.059时可以认为组间异质程度可以忽略不计;当0.059 < ρ ≤ 0.138,时组间差异不能忽视;而当ρ ≥ 0.138时,代表因变量与组间关联,需要将组间效应考虑到多层次分析模型里,组内相关系数公式为:
4.1. 零模型
首先,引入一个零模型:
把居民发展信心的差异分解为两层,其中第一层为个人心理层面差异;第二层为各社区韧性情况差异。零模型分析结果见表3所示,P值为0.000 < 0.05,达到显著,说明居民发展信心存在显著差异,具有明显的分层特征。组内相关系数为0.3689 > 0.138,说明因变量与组间关联,需要将组间效应考虑到多层次分析模型里。为了让模型更加贴近实际,引入下一个模型。

Table 3. Zero model analysis results
表3. 零模型分析结果
4.2. 具有随机效益的协方差分析模型
在零模型中加人低层级固定解释变量x,也就是让其斜率β保持不变,其他设置不变,得到下面的具有随机效益的协方差分析模型:
在模型增加解释变量后,模型第一层和第二层的方差会减少,降低的百分比可以用个体层次和小组层次的方差变异量加以计算。如果卡方检验后发现差异显著,则说明该模型比虚无模型拟合度更好,需要在方程中加入第一层次的解释变量。模型结果见表4所示,其卡方值为22.578,P值为0.000,差异显著,可以认为具有随机效益的协方差分析模型比零模型拟合度更好。

Table 4. Covariance analysis model results with random benefits
表4. 具有随机效益的协方差分析模型结果
4.3. 随机效应回归模型
接着引入随机效应回归模型,模型的一般形式为:
其中,
为第i个社区的各韧性维度因子。该模型允许在截距上存在不同社区间差异,即社区层面因素仅影响模型的截距项,两水平的各因素不存在交互项。由表5可知,第二层面可解释的方差已经减少到了12.25%,通过两层次的拟合将两层面的误差分量大幅降低,说明通过引入社区建设变量确实能帮助我们探究理解影响居民发展信心。

Table 5. Random effect regression model results
表5. 随机效应回归模型结果
最终模型结果见表6所示:
在95%置信度下,各变量显著。观察系数发现,五个韧性维度对发展信心均成正向关系。其中,技术韧性系数最大,对居民发展信心的影响程度最大,组织韧性其次,心理韧性居第三位。
5. 结果
5.1. 社区韧性建设促进居民发展信心的提升
引入社区韧性层面的变量使得模型可解释的方差大幅降低,说明社区韧性建设对居民发展信心有重大影响。从系数中发现,社区建设的四个韧性方面对居民发展呈正向影响,社区韧性建设促进居民发展信心提升。技术韧性的系数最大,社区应加大技术投入,加快建成智能化防灾减灾系统,营造现代化治理体系氛围。而且,社区、社会组织、政府应加快实现责任分工,让社会组织加入社区防灾应灾中来,政府更好地协助监管社区和社会组织,做到三驾马车并行的局面。加强基础设施建设和应急制度完善同样应得到重视和保障。
5.2. 心理韧性是影响居民发展信心的主要因素
组内相关系数表明64%的方差可以由居民个人层面解释,心理韧性是影响发展信心的主要因素,且显著正相关。心理韧性直接影响居民的发展信心,通过加强居民应急心理建设,鼓励居民主动学习防灾知识,引导居民应灾时保持客观冷静来提升发展信心。
5.3. 居民心态建设是完善治理体系的必要措施
居民作为社区的主人,对居民的心态建设是推动社区治理体系发展不可缺少的条件。而韧性社区的建设可以提升居民的居住安全感,增强对预期建设的信心。因此,建设居民心理是加强社区应急治理能力的必要之举。同时居民心态的差异化也在不断要求、社区应加强防灾知识宣传,调动居民的学习积极性;拓宽信息传播渠道,确保通知到位;鼓励居民参与社区组织的演习等,争取做到在灾难来临时,居民都能保持客观冷静,以积极乐观的心态面对。
6. 讨论
通过本次调查,结合后疫情时代的特征,我们提出以下建议:
6.1. 居民应调整良好心态
社会心态虽然不是韧性社区的硬件设施,却是“社区韧性”的重要支撑,一个具有良好社会心态的社区,更能有效战胜危机,保持社会的安定和活力。社区居民面对突发事件时,应积极调整心态,冷静面对灾难,服从社区安排,不信谣不传谣。灾害的来临往往无法阻止,面对灾害来临,第一时间能发挥作用的就是所获取的灾害知识。居民应该积极自主地学习灾害知识,通过多渠道、多形式、高频率的学习,自觉参与社区组织的演练,补充实际经验和突发状况的处理方法。
6.2. 社区应重视人的价值
社区应重视居民的价值。一方面,社区应加强邻里关系、社会网络的构建和拓展,增强居民的凝聚力、安全感和归属感,营造社区共同体意识。在通过多种渠道宣传普及应急知识的同时,吸引居民参与社区应急治理建设。另一方面,充分重视居民的心态建设,增强居民的防灾减灾和自救意识与能力,提升居民在应对突发事件时对社区的信任度,为韧性社区建设注入强大的根基。
6.3. 政府应加大建设投入
目前疫情已经发展成常态化,韧性社区建设尤为重要。政府应该对韧性社区治理体系建设进行政策上的倾斜帮助,持续、稳定的资金投入是韧性社区建设的保障,政府的支持也是居民发展信心的有利支撑。韧性社区的建设具有较丰富的维度,居民心态的差异化要求社区在韧性建设上无短板,政府需要加大韧性社区建设的投入,帮助社区更好更快地拥有强大的应急能力,使居民拥有更为积极乐观的健康心态,激发社会的活力。